做遥感的朋友看过来，迈向大规模小目标检测

本文对基于深度学习的小目标检测的领域进展进行了全面回顾，并构建了为小目标检测定制的大规模数据集SODA，其包括SODA-D和SODA-A，前者包含24828张高质量驾驶场景图像，9个类别共278433个实例;后者包含2513张从Google Earth提取的高分辨率遥感场景图像，9个类别的872069个实例，单位:西北工业大学(韩军伟团队)

随着深度卷积神经网络的兴起，目标检测在过去几年取得了显著的进步。然而，这种繁荣并不能掩盖小目标检测 (Small Object Detection，SOD) 领域发展缓慢的现状。固有结构导致的视觉外观较差和噪声表示，使得小目标检测成为一项极具挑战性的任务。此外，用于评估小目标检测方法的大规模数据集仍然是一个瓶颈。在本文中，我们首先对小目标检测进行了全面的回顾。为了推动 SOD 领域的发展，我们构建了两个大规模的小目标检测数据集(Small Object Detection dAtasets，SODA) ，即 SODA-D 和 SODA-A，分别专注于驾驶场景和遥感场景。SODA-D 数据集包含24828张高质量的驾驶场景图像，涵盖了9个类别共278433个实例。SODA-A 数据集拥有2513张言分辨率的遥感图像，包含9个类别共872069个实例。SODA 数据集是首个针对多类别小目标检测任务专门构建的、包含详尽实例级标注的大规模基准数据集。最后，我们评估了主流检测方法在 SODA 数据集上的性能。我们期望这一基准数据集能够促进小目标检测任务的发展，激发领域内更多的突破

《Towards Large-Scale Small Object Detection: Survey and Benchmarks》

代码：https://shaunyuan22.github.io/SODA/

论文：https://ieeexplore.ieee.org/document/10168277